Owl Alpha без NVIDIA: как Meituan незаметно создала самую популярную ИИ-модель года

В мире искусственного интеллекта 2026 года произошло нечто необычное. Без громких пресс-релизов, без масштабных презентаций и даже без указания имени создателя — анонимная модель под названием Owl Alpha появилась на платформе OpenRouter и за считанные недели взлетела в топ-3 самых востребованных ИИ-моделей в мире.

Разработчики со всего мира начали использовать её массово, передавая друг другу слухи: «эта штука отлично работает с Claude Code». Модель заняла первое место по вызовам среди Hermes-агентов, второе — в Claude Code и третье — в OpenClaw. И только спустя два месяца, 30 июня 2026 года, завеса тайны была приподнята: за Owl Alpha стояла компания Meituan — та самая, которую весь мир знает как сервис доставки еды.

Но главный сюрприз оказался даже не в этом. Owl Alpha оказалась тестовым именем для LongCat-2.0 — первой в мире модели с триллионом параметров, которая была полностью обучена и развёрнута на китайских чипах, без единого графического процессора NVIDIA. «Содержание NVIDIA равно нулю» — так сама Meituan охарактеризовала своё достижение.

Анонимный дебют: как «Сова» покорила мир без единого слова

В конце апреля 2026 года на OpenRouter — крупнейшей платформе-агрегаторе API для ИИ-моделей — появилась модель с простым именем Owl Alpha. У неё не было сайта, не было пресс-релиза, не было даже формального описания. Единственным намёком на её существование были строчки в таблицах лидеров и слухи в сообществе разработчиков: «Подключи её к Claude Code — и увидишь, как она работает».

И разработчики действительно подключили. Объёмы трафика росли с головокружительной скоростью. За время анонимного пребывания на OpenRouter Owl Alpha обработала около 10,1 триллиона токенов в месяц — в среднем 559 миллиардов токенов в день. Месячный прирост составил 242%, а общая пропускная способность достигла 11 триллионов токенов в месяц.

К моменту, когда Meituan официально раскрыла свою роль, модель уже прошла проверку боем в реальных условиях — и выдержала её блестяще. «Это был пассивный триумф, — пишет одно из отраслевых изданий. — Модель сначала заслужила признание разработчиков, и только потом её создатели вышли из тени».

Технические характеристики: архитектура для агентов

LongCat-2.0 (Owl Alpha) — это не просто очередная большая языковая модель. Это архитектурный прорыв, заточенный под агентные задачи: автономное использование инструментов, написание кода, выполнение сложных многошаговых инструкций и автоматизацию рабочих процессов.

Ключевые параметры:

Архитектура MoE позволяет модели быть огромной по общему объёму параметров, но при этом экономичной в расчётах — для каждого токена активируется лишь небольшая часть «экспертов». Это даёт возможность сочетать высокую производительность с управляемыми вычислительными затратами.

Инновационные технические решения:

• ScMoE — межслойная архитектура быстрых соединений, улучшающая взаимодействие между слоями экспертов
• Zero-Compute Expert — механизм, впервые предложенный командой LongCat, который позволяет динамически распределять вычислительные ресурсы в зависимости от сложности токена: сложные запросы получают больше экспертов, простые — экономят мощность
• Ngram Embedding Enhancement — улучшенный метод эмбеддинга для более точного понимания контекста
• LongCat Sparse Attention (LSA) — специальный механизм разреженного внимания, разработанный для снижения вычислительной нагрузки при работе с длинными контекстами в агентных сценариях

Рейтинги и реальная производительность

Во время анонимного тестирования Owl Alpha показывала результаты, которые заставили многих пересмотреть свои представления о китайских ИИ-моделях:

• Hermes Agent — 1-е место по объёму месячных вызовов
• Claude Code — 2-е место, уступая только собственной модели Claude
• OpenClaw — 3-е место

По оценкам независимых тестов, LongCat-2.0-Preview по своим возможностям приближается к Claude Opus 4.6 (уступая лишь новейшему Claude Opus 4.8), а среди китайских моделей уверенно занимает место в ведущей группе.

Журналисты и разработчики провели множество практических тестов. В одном из них модели было предложено взять открытый код игры 2048 (13 тыс. звёзд на GitHub) и полностью переработать его: изменить визуальный стиль на киберпанк, расширить игровое поле с 4×4 до 5×5, добавить счётчик ходов — а затем и вовсе переписать весь проект с JavaScript на React. LongCat-2.0 самостоятельно разбила задачу на 7 шагов и за 12 минут выдала полностью работоспособный результат.

Главное достижение: «Ноль NVIDIA»

Самая значимая особенность Owl Alpha / LongCat-2.0 лежит не в области алгоритмов, а в области инфраструктуры.

Это первая в мире модель с триллионом параметров, которая была полностью обучена и развёрнута на китайских ASIC-чипах, без использования графических процессоров NVIDIA. Для обучения был задействован кластер из более чем 50 000 китайских ускорителей.

Это достижение тем более примечательно, что оно было совершено в условиях жёстких ограничений на поставку западных чипов в Китай. Проект LongCat-2.0 стал крупнейшим экспериментом по обучению ИИ на национальном оборудовании и доказал: китайская полупроводниковая промышленность способна обеспечить создание моделей мирового уровня.

Как это было: трёхлетняя инженерная эпопея

Путь к этому результату занял почти три года. Всё началось в 2023 году, когда команда Meituan приняла «очень смелое» решение: попробовать обучать большую языковую модель на китайских чипах. В то время индустриальный консенсус гласил: «Китайские карты годны только для вывода (инференса), но не для обучения». Но команда рассуждала иначе: «Обучение больших моделей — это не магия и не чёрный ящик, а крайне сложная системная инженерия».

Основные этапы:

• Июль 2023 — начало адаптации под китайские чипы, установление еженедельных контактов с производителями
• Сентябрь 2023 — полноценное погружение команды в верификацию и адаптацию
• Конец 2023 — начало 2024 — первый успешный запуск сквозного обучения, значения функции потерь (loss) оказались близки к результатам на эталонных чипах
• Июль 2024 — успешное обучение на кластере из 16 000 карт
• 2026 — масштабирование до 50 000+ карт и завершение обучения LongCat-2.0

С какими трудностями столкнулась команда:

Китайские чипы уступают NVIDIA по ряду ключевых параметров: меньший объём памяти на одну карту означает, что 1,6 трлн параметров невозможно разместить на нескольких картах — их приходится распределять между десятками тысяч. Межузловая пропускная способность ниже, чем у NVLink, и малейшие рассогласования между вычислениями и передачей данных резко снижают скорость обучения.

Но самой большой проблемой оказалась программная экосистема. Библиотеки операторов, инструменты отладки и механизмы детерминированных вычислений, годами оттачивавшиеся на платформе NVIDIA, на китайских чипах пришлось переписывать практически с нуля. Один из показательных примеров: реализация обратного градиентного оператора для FlashAttention на китайской платформе работала в 20–70 раз медленнее, чем на NVIDIA. Такую скорость невозможно было использовать в реальном обучении — команде пришлось переписывать критически важные компоненты с нуля.

Кроме того, кластер из 50 000 карт — это колоссальный источник отказов. Почти каждый день какой-то аппаратный компонент выходил из строя. Команда построила полностью автоматизированную систему обнаружения, переключения и восстановления после сбоев — иначе ручное устранение неполадок парализовало бы обучение. Эта система позволила масштабировать кластер с 2 000 до 50 000 карт без архитектурных перестроек.

Стоимость и доступность

После официального анонса LongCat-2.0 Meituan объявила о коммерческой доступности модели через API:

Эти цены делают LongCat-2.0 одним из самых доступных решений в своём классе. Для сравнения: GPT-5.5 стоит $5/$30 за миллион токенов, а Claude Sonnet 5 на момент запуска предлагался по $2/$10. Meituan также предлагает токен-пакеты: 1 млрд токенов — около $60.

Модель распространяется под коммерчески-применимой лицензией MIT. Весовые коэффициенты (weights) на момент июля 2026 года ещё не были опубликованы — страницы на GitHub и Hugging Face содержали пометку «Model weights coming soon — stay tuned!». При этом Meituan объявила о планах открыть исходный код Infra-фреймворка, движка вывода и других ключевых технологий.

Почему это важно

История Owl Alpha / LongCat-2.0 выходит далеко за рамки одной модели. Она знаменует собой несколько тектонических сдвигов:

1. Китайская полупроводниковая независимость. Проект доказал, что китайские чипы (ASIC) могут не только выполнять вывод (инференс), но и обеспечивать полный цикл обучения моделей триллионного масштаба. Это меняет расклад сил в глобальной ИИ-гонке.
2. Новый путь вывода моделей на рынок. Вместо традиционной схемы «анонс → маркетинг → принятие рынком» Meituan пошла обратным путём: «рыночное принятие → признание → анонс». Это говорит о высокой степени уверенности в качестве продукта.
3. Демократизация агентного ИИ. Благодаря низкой цене и открытой лицензии, LongCat-2.0 делает мощные агентные возможности доступными для широкого круга разработчиков и стартапов.
4. «Сова» как символ. Выбор анонимного имени Owl Alpha (альфа-сова) оказался пророческим: сова традиционно символизирует мудрость и способность видеть в темноте. В данном случае — способность видеть путь там, где другие видели лишь тупик.